1.一种多语种语音识别的声学模型建立方法，其特征在于，包括：

利用全部语音特征数据训练深度神经网络，其中，所述深度神经网络包括一个输入层、多个隐层以及对应于不同语种的多个输出层，所述输入层根据输入的语音特征数据计算输出至最底层的隐层的输出值，所述隐层根据本层的加权值对来自下一层的输入值进行加权求和，得到输出至上一层的输出值，所述输出层根据输出层的加权值对来自最上层的隐层的输入值进行加权求和，并根据所述加权求和的结果计算输出概率；

利用不同语种的语音特征数据分别训练所述对应于不同语种的多个输出层；以及将所述对应于不同语种的多个输出层合并成为总输出层。

2.根据权利要求1所述的多语种语音识别的声学模型建立方法，其特征在于，在所述将所述对应于不同语种的多个输出层合并成为总输出层之后，所述多语种的声学模型建立方法还包括：依据不同语种的语音特征数据的数据规模，对所述输入层中不同语种的加权值进行调整。

3.根据权利要求1所述的多语种语音识别的声学模型建立方法，其特征在于，所述利用全部语音特征数据训练深度神经网络是根据所述声学模型的输出概率与所述声学模型的期望输出概率之间的误差调整所述隐层的加权值。

4.根据权利要求1所述的多语种语音识别的声学模型建立方法，其特征在于，所述对应于不同语种的多个输出层包括多个输出单元，并且每个输出层包括的输出单元的数量与所述输出层对应的语种中基本语音元素的数量相同。

5.根据权利要求1或4所述的多语种语音识别的声学模型建立方法，其特征在于，所述利用不同语种的语音特征数据分别训练所述对应于不同语种的多个输出层是根据所述声学模型的输出概率与所述声学模型的期望输出概率之间的误差调整所述输出单元的加权值。

6.根据权利要求1所述的多语种语音识别的声学模型建立方法，其特征在于，所述将所述对应于不同语种的多个输出层合并成为总输出层包括：将不同语种中具有相似发音的基本语音元素对应的输出单元合并；以及保留与其他语种的基本语音元素没有相似发音的基本语音元素对应的输出单元。

7.根据权利要求1、3、4或6所述的多语种语音识别的声学模型建立方法，其特征在于，所述输出概率是所述输出单元输出的，表示输入的语音特征数据是所述输出单元对应的基本语音元素的概率。

8.一种多语种语音识别的声学模型建立装置，其特征在于，包括：

公共特征训练模块，用于利用所有语种的语音特征数据训练深度神经网络，其中，所述深度神经网络包括一个输入层、多个隐层以及对应于不同语种的多个输出层，所述输入层根据输入的语音特征数据计算输出至最底层的隐层的输出值，所述隐层根据本层的加权值对来自下一层的输入值进行加权求和，得到输出至上一层的输出值，所述输出层根据本层的加权值对来自最上层的隐层的输入值进行加权求和，并根据所述加权求和的结果计算输出概率；

语种特征训练模块，用于利用不同语种的语音特征数据分别训练所述对应于不同语种的多个输出层；以及输出层合并模块，用于将所述对应于不同语种的多个输出层合并成为总输出层。

9.根据权利要求8的多语种语音识别的声学模型建立装置，其特征在于，所述多语种语音识别的声学模型建立装置还包括：输出加权值调整模块，用于在将所述对应于不同语种的多个输出层合并成为总输出层之后，依据不同语种的语音特征数据的数据规模，对所述输入层中不同语种的加权值进行调整。

10.根据权利要求8所述的多语种语音识别的声学模型建立装置，其特征在于，所述公共特征训练模块根据所述声学模型的输出值与所述声学模型的期望输出值之间的误差调整所述隐层的加权值。

11.根据权利要求8所述的多语种语音识别的声学模型建立装置，其特征在于，所述对应于不同语种的多个输出层包括多个输出单元，并且每个输出层包括的输出单元的数量与所述输出层对应的语种中基本语音元素的数量相同。

12.根据权利要求8或11所述的多语种语音识别的声学模型建立装置，其特征在于，所述语种特征训练模块根据所述声学模型的输出概率与所述声学模型的期望输出概率之间的误差调整所述输出单元的加权值。

13.根据权利要求8所述的多语种语音识别的声学模型建立装置，其特征在于，所述输出层合并模块包括：相似语音输出单元合并子模块，用于将不同语种中具有相似发音的基本语音元素对应的输出单元合并；以及其他输出单元保留子模块，保留与其他语种的基本语音元素没有相似发音的基本语音元素对应的输出单元。

14.根据权利要求8、10、11或13所述的多语种语音识别的声学模型建立装置，其特征在于，所述输出概率是所述输出单元输出的，表示输入的语音特征数据是所述输出单元对应的基本语音元素的概率。